31. januar 2019

Nyheder og pressemeddelelser Nyheder

Revisionspåtegning forbedrer Nationalbankens konkursvurdering

achine learning hjælper Nationalbanken til bedre at kunne forudsige konkurser. Det gøres ved at anvende teksten fra revisionspåtegningen og ledelsesberetningen. Metoden forbedrer Nationalbankens konkursvurdering og især revisionspåtegningen forbedrer muligheden for at beregne konkurssandsynligheder.


Billede af Anders Lau

Anders Lau Pressechef
nyn@sfe.qx 4193 9147



Det kan koste banker, kreditorer og statskassen dyrt, når et selskab går konkurs. Selskabet kan for eksempel have opbygget en større gæld, som det ikke er muligt at inddrive, og som derfor påvirker kreditorerne negativt. Hvis det er muligt at forudsige, hvilke selskaber, der med høj sandsynlighed vil komme i vanskeligheder, da vil banker, kreditorer og samarbejdspartnere kunne tage deres forbehold.

Traditionelle konkursvurderinger bygger på regnskabsdata og virksomhedskarakteristika. Med Nationalbankens nye model anvendes ustruktureret data i form af revisionspåtegningen og ledelsesberetningerne. Revisors vurdering af selskabets evne til at fortsætte driften yderligere ét år efter balancedagen eller revisors forbehold i forhold til ledelsens vurdering indgår direkte af modellen.

Nationalbanken har beregnet konkurssandsynligheden med fem forskellige modeller. To med traditionelt input som regnskabsdata og virksomhedskarakteristika og tre, hvor der er anvendt tekstbaseret analyse.

De bedste beregning af konkurssandsynligheden fås ved de nye tekstbaserede analyser og især modellen, hvor der udelukkende inddrages information fra revisionspåtegningen (og regnskabsdata).

Graf

FSR – danske revisorer tager en drøftelse med Nationalbanken om hvordan anvendelsen af regnskaber og især revisionspåtegninger kan skabe værdi og komme samfundet til godt blandt andet ved at forbedre konkursvurderingen, øge gennemskuelighed med hensyn til driften i selskabet med videre.

Læs analysen og det bagvedliggende working paper om Nationalbankens anvendelse af tekstbaseret machine learning.

Gratis medlem?

Medlemsfordele

Faglige nyheder
Rabat på kurser
Arrangementer og events
Person med krydsede arme

Er du ansat i en medlemsvirksomhed, kan du blive gratis interessemedlem

Læs mere om vores medlemskaber